基于UTAUT模型的大学生AIGC工具使用行为影响因素研究

摘"要：以ChatGPT为代表的人工智能生成内容（AIGC）在大学生群体中得到广泛应用。为深入了解大学生AIGC工具使用行为影响因素，引导其正确认识、合理使用，在技术接受与使用整合模型UTAUT的基础上新增风险保障、个体创新性两个因素，同时纳入性别、年级、学科门类、使用频次四个因素，构建大学生AIGC工具使用行为影响因素模型。提出相关假设，并通过问卷调查收集数据，采用多元线性回归分析方法进行实证分析与检验。研究结果显示，个体创新性、社会影响、绩效期望、风险保障、努力期望（按影响力大小排序）均对大学生AIGC工具使用意愿存在显著正向影响，使用意愿和促进条件对使用行为产生直接影响。此外，研究发现不同性别、年级、使用频次的大学生在AIGC工具使用行为上不存在显著差异，不同学科的大学生在AIGC工具使用行为上存在显著差异。根据分析结果，为推动AIGC工具在高等教育中的有效应用和发展提供针对性建议。关键词：AIGC工具；UTAUT模型；ChatGPT；大学生；人工智能；使用行为0"引言自2022年11月30日美国开放人工智能研究中心（OpenAI）发布ChatGPT（ChatGenerativePre-trainedTransformer）以来，AIGC（ArtificialIntelligenceGeneratedContent，人工智能生成内容）迅速发展，掀起一场全球技术革命，逐步从专用走向通用，从小众走向大众。作为一种新兴生产力，AIGC引发各行各业的高度关注。如今，AIGC通过更适合人类的对话交互方式，已渗透到各个领域，更是引发教育领域的高度关注，高等教育领域对其的研究逐渐增多。无论是理论研究还是实践应用，均对AIGC工具的推广和应用起到积极的促进作用。但在教育领域，再先进的技术最终都是为教与学服务的，当代大学生对AIGC工具使用的意愿和行为直接影响自身的AIQ（ArtificialIntelli-genceQuotient，人工智能商数），而其利用人工智能技术的能力也决定了自身是否能适应智能社会对未来人才的需求[1]。因此，有必要对大学生AIGC工具使用行为影响因素进行深入剖析。在国内研究中，李艳等[2]探究了大学生生成式人工智能的应用现状与影响因素，主要聚焦于使用频率、常用功能等基本情况，未能深入分析影响学生接受和持续使用ChatGPT的关键因素。毛太田等[3]通过质性研究方法确定了影响ChatGPT接受意愿的主要因素，包括信息质量、用户感知和技术特点。任海芝等[4]结合UTAUT（UnifiedTheoryofAcceptanceandUseofTechnology，技术接受与使用整合模型）、创新扩散理论和感知风险理论，构建科研用户使用行为影响因素模型，并发现ChatGPT相比其他信息搜索系统的优越性是影响科研用户使用意愿的最关键因素。然而，这些研究主要聚焦于ChatGPT这一特定工具，由于其对中国用户的使用限制，单一关注ChatGPT可能导致忽视其他在我国广泛应用的AIGC工具的特性和影响。在国外研究中，部分学者基于技术接受模型（TAM，TechnologyAcceptanceModel）探讨了感知有用性、感知易用性和使用态度对使用行为的影响[5-7]。随后，研究者转向采用更为成熟的UTAUT模型，以探究影响大学生接受和使用ChatGPT的因素。学者在UTAUT模型基础上根据具体研究情境不断引入新概念，如感知风险、个体创新性、相对优势、感知交互性、数字技能和人机交互等。然而，虽然这些研究提供了宝贵的理论洞见，但其采用的理论框架和研究对象可能并不完全契合我国高等教育的环境和学生群体的特殊性。基于此，本研究采用更广泛的AIGC工具定义，不仅包括ChatGPT，还涵盖其他人工智能生成内容工具，基于UTAUT模型，运用多元线性回归分析方法，评估多个自变量对因变量的影响，揭示各因素对大学生AIGC工具使用行为的相对重要性。1"大学生AIGC工具使用行为影响因素模型的构建与研究假设1.1"模型的构建技术的实际价值取决于其在公众中的普及程度，探究影响用户采纳和应用新技术的关键因素成为技术推广领域的核心议题。UTAUT是分析影响用户技术接受和使用因素较成熟的理论模型，由Vis-wanathVenkatesh与MichaelG.Morris等人在2003年提出[8]。该模型整合了理性行动理论（TRA，TheoryofReasonedAction）、计划行为理论（TPB，TheoryofPlannedBehavior）、技术接受模型（TAM）、创新扩散理论（IDT，InnovationDiffu-sionTheory）、动机模型（MM，MotivationalMo-del）、PC利用模型（MPCU，ModelofPCUtiliza-tion）、任务技术适配模型（TTF，Task-TechnologyFit）和社会认知理论（SCT，SocialCognitiveTheory）八个模型，在预测用户对技术的使用意愿和行为方面具有较高的准确性，影响因素预测率高达70%[9]。鉴于此，本研究在保留UTAUT中绩效期望、努力期望、社会影响、促进条件四个关键因素基础上新增风险保障因素和个体创新性因素，同时纳入性别、年级、学科门类、使用频次四个因素以探究大学生个体特征在AIGC工具使用行为上的差异，构建大学生AIGC工具使用行为影响因素模型，如图1所示。相关概念如下：1）绩效期望是指大学生通过使用AIGC工具提高学习效率和学习质量的期望程度；2）努力期望是指大学生感知使用AIGC工具的难易程度或者需要付出时间和精力的多少；3）社会影响是指大学生使用AIGC工具受到周围同伴、教师、媒体以及组织机构的影响程度；4）促进条件是指大学生使用AIGC工具的方便程度，如政策文件支持、技术支持、资金支持等；5）风险保障是指大学生使用AIGC工具时所感受到的技术服务的安全程度；6）个体创新性是指大学生探索和使用AIGC工具以及对AIGC工具相关知识的接受和学习能力，包括个体对AIGC技术的好奇心、试用倾向和适应创新能力等；7）使用意愿是指大学生使用并持续使用AIGC工具的程度；8）使用行为是指大学生实际使用AIGC工具的行为，如使用AIGC工具查找资料、润色文章，向其他学生推荐AIGC工具等。1.2"研究假设基于大学生AIGC使用行为影响因素模型，提出以下假设。H1：绩效期望对大学生AIGC工具使用意愿产生显著正向影响。H2：努力期望对大学生AIGC工具使用意愿产生显著正向影响。H3：社会影响对大学生AIGC工具使用意愿产生显著正向影响。H4：促进条件对大学生AIGC工具使用行为产生显著正向影响。H5：风险保障对大学生AIGC工具使用意愿产生显著正向影响。H6：个体创新性对大学生AIGC工具使用意愿产生显著正向影响。H7：使用意愿对大学生AIGC工具使用行为产生显著正向影响。H8：不同性别的大学生在AIGC工具使用行为上有显著差异。H9：不同年级的大学生在AIGC工具使用行为上有显著差异。H10：不同学科的大学生在AIGC工具使用行为上有显著差异。H11：不同使用频次的大学生在AIGC工具使用行为上有显著差异。2"大学生AIGC工具使用行为影响因素调查与分析2.1"问卷设计与调查2.1.1"问卷设计为了解大学生AIGC工具应用现状和哪些因素会影响其使用意愿与行为，在参考国内外已有文献的基础上，基于UTAUT模型编制《大学生AIGC工具应用现状调查》问卷。问卷分为三部分：第一部分是样本的基本信息，第二部分是未使用AIGC工具样本的基本情况，第三部分是使用过AIGC工具样本的基本情况。其中，未使用AIGC的调查包括知识、技能和情感三个维度，使用过AIGC工具的调查包括绩效期望、努力期望、社会影响、促进条件、风险保障、个体创新性、使用意愿、使用行为和了解途径、使用目的、使用类型、使用频次等维度。问卷采用李克特五级量表进行评分，“非常同意”分值为5，“比较同意”分值为4，“一般”分值为3，“不同意”分值为2，“非常不同意”分值为1。知识、技能、情感各有四个题项，20分为同意态度，12分为中立态度，4分为不同意态度。2.1.2"问卷调查1）问卷发放与回收。为保证问卷填写的可控性和有效性，选取H大学的本科生和研究生为调查对象。问卷通过问卷星发放，调查时间为2024年5月20日至6月20日，共收到838份问卷。问卷回收后，对问卷数据进行清洗与筛选，剔除答题时间过短（小于90秒）、所有选项相同的问卷后，最终获得有效问卷787份，有效率达94%，调查样本涵盖该校经济学、法学、教育学、文学、历史学、理学、工学、管理学、艺术学九大学科门类。2）信效度检验。信效度是衡量问卷测试结果准确性和稳定性的依据，信度分析用于测量样本回答的结果是否可靠，效度分析用于测量题项设计是否合理[10]。使用SPSS26.0对第二部分未使用AIGC工具样本的基本情况、第三部分使用过AIGC工具样本的基本情况的数据进行信效度检验，具体分析结果如下。①第二部分知识、技能、情感三个维度的Cron-bach’sα值分别为0.873、0.897、0.894，整体信度系数为0.866；第三部分的整体信度系数为0.941。这两部分的Cronbach’sα系数值均大于0.8，说明问卷信度较高，测量题项间具有较高的内部一致性。②问卷第二部分和第三部分的KMO值分别为0.87、0.91，通过了显著性水平为0.05的Bartlett球形检验。在构成因子主成分提取分析结果中，各维度的题项都清晰聚类为一个构成因子，且各题项的因子负荷均大于0.5，方差累计贡献率分别达到72.8%、76.1%，具有良好的结构效度。2.2"调查结果分析2.2.1"描述性统计分析由于研究的重点是AIGC工具使用行为的影响因素分析，因此，描述性统计分析主要针对的是使用过AIGC工具的学生，其中，男生112人，女生140人，占比分别为44.4%、55.6%。由于大三学生正在实习，大四、研三学生面临择业、撰写毕业论文和答辩等事项，问卷填写以大一、大二、研一、研二学生为主。依据学生对AIGC工具排序的结果，按照公式“选项平均综合得分=（Σ频数×权值）/本题填写人次”对各AIGC工具计算综合得分，排名前五的工具分别是ChatGPT（分值为9.52）、文心一言（分值为4.99）、WPSAI（分值为4.22）、讯飞星火（分值为4.16）、无界AI（分值为2.94），如表1所示。表中数据显示，“使用AIGC工具的类型”最多的是文本类，占比高达84.1%，与“使用AIGC工具的目的”中“查找资料”占79.0%的比例相吻合，表明目前大学生使用AIGC工具主要用于查阅与自身学习相关的信息。“了解AIGC工具的途径”显示最多的是“同学或朋友介绍”，占比为71.0%，说明周围人对AIGC工具的态度和行为会对大学生产生重要影响。“使用AIGC工具的频次”选择“总是使用”的比例仅为9.5%，分析其原因，一方面是大学生对AIGC工具有一定的认识，在日常的学习中并未完全依赖AIGC工具，有自己的思考；另一方面是部分大学生尚未了解AIGC工具的功能和优势，智能教育素养有待提升。2.2.2"实证分析与假设检验本部分针对使用过AIGC工具的大学生进行使用意愿和使用行为影响因素分析。1）大学生AIGC工具使用意愿的影响因素分析。采用多元线性回归分析方法，将大学生AIGC工具使用意愿作为因变量，绩效期望、努力期望、社会影响、风险保障和个体创新性作为自变量，以检验假设H1、H2、H3、H5、H6是否成立，结果如表2所示。调整后的R2达到0.414，模型表现出较高的解释能力，能够有效地识别影响大学生AIGC使用意愿的关键因素。F统计量P值小于0.001，模型显著，说明至少有一个自变量可以显著影响因变量使用意愿。绩效期望、努力期望、社会影响、风险保障、个体创新性这五个自变量的非标准化回归系数依次为0.176、0.160、0.192、0.172、0.232，且t检验的P值分别为0.004、0.003、0.001、0.003、0.000，说明这五个影响因素对大学生AIGC使用意愿产生显著正向影响，假设H1、H2、H3、H5、H6成立。表2中五个自变量的VIF值均小于5，表明自变量之间不存在多重共线性；模型的DW值为1.893，在数值2附近，说明数据之间不存在序列相关，且残差服从正态分布，说明由该回归模型得出的结论准确可靠。表2中数据显示，绩效期望、努力期望、社会影响、风险保障、个体创新性的标准化回归系数分别为0.170、0.168、0.189、0.169、0.216，位居前两位的分别是个体创新性和社会影响，表明个体创新性和社会影响是影响大学生AIGC使用意愿最为关键的两个因素。也就是说有相当多的大学生具有较高的创新意识，善于接受新生事物，对社会普遍关注的AIGC工具勇于克服困难去主动尝试和应用；而移动终端的普及、学校良好的上网环境、各种媒体的宣传报道以及周围老师、同学的影响，对大学生AIGC使用意愿也产生潜移默化的影响，会激发其体验、探索AIGC工具的欲望。2）大学生AIGC工具使用行为的影响因素分析。以大学生AIGC工具使用行为作为因变量，促进条件和使用意愿作为自变量，进行回归分析，验证提出的假设H4和H7，结果如表3所示。调整后的R2达到0.306，说明模型拟合度较好。F统计量的P值小于0.001，模型显著。促进条件和使用意愿的非标准化回归系数分别为0.322、0.318，且t检验的P值均小于0.001，说明促进条件和使用意愿对大学生AIGC工具使用行为产生显著正向影响，假设H4、H7成立。表3中两个自变量的VIF值均小于5，说明自变量之间不存在多重共线性；模型的DW值为2.033，在数值2左右，表明数据之间不存在序列相关，且残差服从正态分布，表明由该回归模型得出的结论准确可靠。促进条件对大学生AIGC工具使用行为的影响相对较弱，却是大学生AIGC工具使用行为的直接影响因素，国家、省（自治区、直辖市）、校政策的支持，技术指导和帮扶，可支配的费用等，均会对大学生AIGC工具使用行为产生直接影响。因此，高校应该对AIGC工具在教与学中的应用有明确的方向性的引领，为在校大学生提供有针对性的培训，并对在相关活动或赛事中成绩突出的学生给予一定的奖励。3）大学生AIGC工具使用意愿的中介效应分析。为揭示绩效期望、努力期望、社会影响、风险保障、个体创新性五个变量对大学生AIGC工具使用行为过程和作用机制的影响，还需要对大学AIGC工具使用意愿的中介效应进行分析，中介效应检验步骤如表4所示。首先，以大学生AIGC工具使用行为作为因变量，绩效期望、努力期望、社会影响、风险保障和个体创新性作为自变量，进行回归分析。回归Ⅰ中，绩效期望、风险保障、个体创新性的β值分别为0.268、0.024、0.192，且P值均达到显著性水平，说明绩效期望、风险保障、个体创新性与AIGC使用行为显著正相关；而努力期望、社会影响的β值分别为0.059、0.067，P值均未达到显著性水平，说明努力期望、社会影响对因变量AIGC工具使用行为的直接影响不显著。其次，将大学生AIGC工具使用意愿作为因变量，绩效期望、努力期望、社会影响、风险保障和个体创新性作为自变量，进行回归分析。回归Ⅲ中的五个自变量的β值分别为0.176、0.160、0.192、0.172、0.232，且P值均达到小于0.01的显著性水平，表明绩效期望、努力期望、社会影响、风险保障、个体创新性与使用意愿显著正相关。最后，将大学生AIGC工具使用行为作为因变量，绩效期望、努力期望、社会影响、风险保障、个体创新性和使用意愿作为自变量，进行回归分析。回归Ⅱ中的使用意愿的β值为0.150，且P值小于0.05，表明使用意愿和使用行为显著正相关，而自变量努力期望和社会影响的P值均未达到显著性水平，说明努力期望和社会影响对因变量使用行为的直接影响不显著。绩效期望、风险保障和个体创新性的P值虽然达到显著性水平，但β值分别从0.268、0.024、0.192下降到0.242、0.178和0.157，说明使用意愿的中介效应显著，即绩效期望、努力期望、社会影响、风险保障、个体创新性通过使用意愿的中介效应对AIGC工具使用行为产生影响，反映出大学生使用AIGC工具是一个理性决策的过程。4）大学生AIGC工具使用行为的差异性分析。为了解性别、年级、学科门类、使用频次对大学生AIGC工具使用行为方面的影响，以验证H8、H9、H10、H11假设是否成立，从这四个维度对大学生AIGC工具使用行为进行差异性分析，分析结果如表5所示（表中数据因四舍五入的原因，存在分项合计不等于100%的情况）。其中，性别t检验的P值为0.558，年级和使用频次F检验的P值分别为0.094、0.120，均大于0.05，说明不同性别、年级和使用频次的大学生AIGC工具使用行为没有显著差异，即大学生AIGC工具使用行为不受性别、年级、使用频次的影响，假设H8、H9、H11不成立。上述结果表明，现在的大学生作为“数字原住民”，普遍具有较高的数字素养，对AIGC工具的使用已经成为他们学习的一部分，如同日常生活中的水和电一样，只要需要就会自然而然地使用，性别、年级等的不同不会对使用行为造成影响。学科门类F检验的P值为0.002，达到小于0.01的显著性水平，从表5中大学生AIGC“使用行为得分”可以发现，法学、历史学、管理学学科的大学生在AIGC工具使用行为方面的得分高于其他学科背景的大学生，表明每个学科都有其自身的特点，专业性质和培养目标的不同，会对使用行为产生较大影响，假设H10成立。2.2.3"未使用过AIGC工具的大学生使用意愿影响因素分析由于未使用过AIGC工具的大学生没有产生使用行为，因此，仅对其使用意愿进行分析。本次调研中使用过AIGC工具和未使用过AIGC工具的大学生人数之比约为1∶2，未使用过AIGC的大学生占大多数，对此部分群体的各变量进行描述性统计分析，结果见表6。1）“知识”维度，大学生得分的平均值为13.363，高于12分，说明大学生对AIGC的基本知识具有较高的认知，能够通过各种途径获取自己需要的知识。2）“技能”维度，大学生得分的平均值为12.157，略高于12分，表明大学生在实践层面有畏难情绪，在AIGC的使用上还缺乏足够的信心。3）“情感”维度，大学生得分的平均值为11.572，略小于12分，表明大学生在情感上比较认可AIGC的价值，日常数字技术的广泛应用使其对使用过程中的数据安全和可能产生的风险有比较正确的认识，不会为此感到焦虑。3"对策和建议对大学生AIGC工具使用意愿和使用行为的实证分析表明：个体创新性、社会影响、绩效期望、风险保障、努力期望对大学生AIGC工具使用意愿产生正向显著影响，使用意愿和促进条件对使用行为产生直接影响，并且不同学科的大学生在AIGC工具使用行为上存在显著差异。基于这些发现，为促进AIGC工具在高等教育中的有效应用和发展，提出以下建议。3.1"加快高校AIGC使用指南的研制实证分析结果表明，社会影响和风险保障对大学生AIGC使用意愿具有显著正向影响。具体而言，政策、技术和资金等方面的支持与工具提供的安全保障，能够增强大学生使用AIGC工具的意愿。这表明提升AIGC工具的便利性和安全性是推动其在高校普及的关键。为实现这一目标，各高校应加快研制AIGC使用指南，为学生提供明确的使用指导，增强其对AIGC工具的信任，从而更好地促进AIGC在高校的应用。随着AIGC技术日新月异的发展，国内外纷纷出台相关政策，为高校制定AIGC使用指南提供了参考。上海交通大学、香港大学、华东师范大学、北京师范大学等高校已率先行动，发布校内指南。然而，由于各校的办学特色不同，现有的指南仍有局限性。各高校应结合自身实际，制定具有针对性的AIGC使用指南：一方面，指南应明确AIGC的概念、分类、应用场景等基础知识，并对版权、伦理等问题作出规范，以减轻学生的顾虑；另一方面，指南应鼓励学生积极探索AIGC在学习、科研中的创新应用，并提供相应的支持和培训。为确保指南的实用性和时效性，建议各高校采取先行试用、动态调整的策略。3.2"加快教育专用大模型的完善和部署实证分析结果表明，绩效期望和努力期望对大学生使用AIGC工具的意愿具有直接的正向影响，并间接影响其实际使用行为。大学生期望AIGC工具能提高学习效率，同时希望工具操作简便，不增加额外的负担，说明AIGC工具的易用性和有效性是影响大学生使用意愿的关键因素。为进一步提升AIGC工具在教育领域的易用性和有效性，加快教育专用大模型的开发和部署显得至关重要。首先，优化用户体验和界面设计是提高易用性的核心。通过简化操作流程，可降低学生的